海水富营养化监测中面向传感器网络的软传感器关键技术研究

There exist many factors affecting the causation of seawater eutrophication. As the condition limitation of technology and time & space, the existing sensors can not measure the state of seawater eutrophication real-timely,remotely and accurately by direct sensing.This project wants to research many key technologies to solve the problem based on soft seansor in sensor networks. The redundance information of the monitoring data will be removed by the algorithm of improved fuzzy nearest neighbor clustering, and the simplified sample data will be got. The assistant measuring variables need to be picked up by the method of mechanism analysis combined to Principal Component Analysis, and the complexity of the model will be reduced. Soft sensor with more measuring accuracy can be got by the model of T-S fuzzy neural network based on declination compensation dynamically.The method of parsing the model by modularization according to the independence of function and information processing will be studied, and the mechanism of distributed cooperative information processing will meet the computation resource of distributed nodes in sensor network. The method of data fusion based on space for the results of multi-soft sensor measuring based on valuation fusion theory will be researched. The soft sensor measuring system will be designed to meet the features of sensor networks and the field of practical application. The design mechanism and the performance of algorithm should be evaluated and compared by the simulation experiment and theory analysis.

海水富营养化形成因素众多而机理复杂，受技术和时空条件限制，现有传感器无法做到实时、远程、准确地直接测量其变化状态。本项目基于面向传感器网络的软传感器，研究解决这一问题的各项关键技术。拟通过运用改进的模糊最近邻聚类算法消除海量观测数据的冗余信息，实现样本数据精简；运用基于机理分析与主成分分析相结合的方法，确定软传感器的辅助测量变量，以降低模型的复杂度。拟运用具有偏差动态补偿的T-S模糊神经网络构造软传感器模型，以获得具有一定测量精度的软传感器；研究依据功能及信息处理的相对独立性对软传感器模型进行模块化解析的方法，形成分布式协同信息处理的机制以适应传感器网络的分布式节点计算资源；研究运用估值理论对传感器网络多点软传感器测量值进行基于空间的数据融合的方法。设计出适合传感器网络特点和实际应用环境的软传感器测量系统，并通过模拟实验和理论分析的手段评价和比较所设计机制与算法的性能。

海水富营养化监测受海洋环境复杂多变、成因众多、机理复杂及时空条件限制影响，远程、动态监测一直面临着技术挑战。课题基于面向传感网络的软传感器，研究海水富营养化动态监测的关键技术：提出基于BA-SVMR算法的COD（化学需氧量）预测模型，针对相关理-化因子间非线性关联度高的特点，将支持向量机引入COD预测；采用蝙蝠搜索算法优化支持向量机回归参数，为建立精简化的水质预测模型提供一种新途径；将模糊模式识别中贴近度的概念引入数据预处理，实验表明COD的预测值与实测值的线性相关度可由93.16%提升到98.74%，具有良好的泛化性，能够反映COD和影响因子间的变化规律。将软测量概念引入水质评价模型构造，利用粒子群算法优化极限学习机的输入权值矩阵和隐含层偏置，以减少水质类别判定模型隐含层节点个数；利用学习矢量量化神经网络进行水质类别判定，也取得较好评价效果。针对网络能耗均衡问题，提出基于K-means和元胞自动机的网络分簇路由协议；进而提出一种多层非均匀分簇水下传感器网络覆盖保持协议，以解决网络热区问题；提出基于虚拟力-粒子群混合优化的网络部署策略，在提高网络有效覆盖率的同时兼顾能量有效性；进而提出基于萤火虫算法的移动节点部署策略，以获得更优的网络覆盖率。针对网络信息安全，提出基于分簇及移动sink最优路径选择的传感网络密钥管理策略；并提出了一种支持节点移动的安全网络拓扑控制协议。提出了基于邻居协作的分簇式网络故障诊断算法，通过设置簇内局部阈值，使得相比于使用全局阈值提高了约30%的诊断精度；在传感器网络节点故障率达70%的情形下，诊断精度仍然高达57%。针对节点移动性、信标节点稀疏等问题，提出基于加权质心算法的协作式节点定位算法，有效提高了定位精度和有效定位率；进而提出一种基于移动预测的传感器网络拓扑识别与控制策略，使得网络在能量有效性、拓扑识别正确率及数据包传输效率上具有良好性能。